更新您的數據模型以與 Power BI 搭配運作Copilot

適用於:Power BI Desktop Power BI 服務

開始使用 Copilot 語意模型之前,請先評估您的數據。 您可能需要對語意模型執行一些清理工作, Copilot 以便從中衍生深入解析。

注意

數據集使用時的 Copilot 考慮

下表列出可協助您使用 建立正確報表的 Copilot準則。 這些專案是有助於產生精確 Power BI 報表的建議。

元素 考量事項 描述 範例
數據表連結 定義清除關聯性 請確定數據表之間的所有關聯性都明確定義和邏輯,指出哪一個是一對多、多對一或多對多。 [Sales] 資料表會依 [DateID] 字段連接到 “Date” 數據表。
量值 標準化計算邏輯 量值應該已標準化、清楚的計算邏輯,容易解釋和瞭解。 “Total Sales” 計算為 “SalesAmount” 數據表中的 “SalesAmount” 總和。
量值 命名規範 量值的名稱應該清楚地反映其計算和用途。 使用 「Average_Customer_Rating」 而不是 「AvgRating」。
量值 預先定義的量值 包含一組使用者最有可能在報表中要求的預先定義量值。 “Year_To_Date_Sales”、“Month_Over_Month_Growth”等。
事實數據表 清除劃界 清楚劃定事實數據表,其中保存可測量的量化數據進行分析。 “Transactions”、“Sales”、“Visits”。
維度數據表 支援性描述性數據 建立維度數據表,其中包含與事實數據表中量化量值相關的描述性屬性。 “Product_Details”、“Customer_Information”。
階層 邏輯群組 在數據中建立清楚的階層,尤其是可用於在報表中向下切入的維度數據表。 「時間」階層,從「年」細分為「季」到「月」到「日」。
資料行名稱 明確標籤 數據行名稱應該明確且自我解釋,避免使用不需要內容進一步查閱的標識碼或程式代碼。 使用 「Product_Name」 而不是 「ProdID」。
數據行數據類型 正確且一致 對所有數據表的數據行套用正確且一致的數據類型,以確保量值正確計算,並啟用適當的排序和篩選。 確定計算中使用的數值數據行未設定為文字數據類型。
關聯性類型 明確指定 若要確保產生正確的報表,請明確指定關聯性(作用中或非作用中)及其基數的性質。 標示關聯性是「一對一」、「一對多」或「多對多」。
資料一致性 標準化值 維護數據行內的標準化值,以確保篩選和報告中的一致性。 如果您有 [狀態] 數據行,請一致地使用 “Open”、“Closed”、“Pending” 等。
關鍵效能指標 (KPI) 預先定義和相關 建立一組與商務內容相關的 KPI,並通常用於報表中。 “投資報酬率(ROI)”、“客戶收購成本(CAC)”、“存留期價值(LTV)”。
重新整理排程 透明和排程 清楚地傳達數據的重新整理排程,以確保使用者了解他們正在分析的數據時程表。 指出數據是否為即時、每日、每周等。
安全性 角色層級定義 如果有不所有用戶應該看到的敏感性元素,請為不同層級的數據存取定義安全性角色。 銷售小組成員可以看到銷售數據,但看不到 HR 數據。
中繼資料 結構檔 記錄數據模型的結構,包括數據表、數據行、關聯性和量值,以供參考。 提供作為參考的數據字典或模型圖表。